R survreg 参数生存模型的回归

说明

拟合参数生存回归模型。这些是时间变量任意变换的位置尺度模型；最常见的情况是使用对数转换，从而导致模型的故障时间加速。

用法

survreg(formula, data, weights, subset, 
        na.action, dist="weibull", init=NULL, scale=0, 
        control,parms=NULL,model=FALSE, x=FALSE,
        y=TRUE, robust=FALSE, cluster, score=FALSE, ...)

参数

formula	与其他回归模型一样的公式表达式。响应通常是 Surv 函数返回的生存对象。有关详细信息，请参阅 Surv 、 lm 和 formula 的文档。
data	一个数据帧，用于解释 formula 、 weights 或 subset 参数中指定的变量。
weights	案例权重的可选向量
subset	拟合中使用的观测值的子集
na.action	缺失数据过滤器函数，在使用任何 subset 参数后应用于 model.frame。默认为 options()\$na.action 。
dist	y 变量的假设分布。如果参数是字符串，则假定命名 survreg.distributions 中的元素。其中包括 "weibull" 、 "exponential" 、 "gaussian" 、 "logistic" 、 "lognormal" 和 "loglogistic" 。否则，假定是符合 survreg.distributions 中说明的格式的用户定义列表。
parms	固定参数列表。例如，对于 t 分布，这是自由度；大多数分布没有参数。
init	参数初始值的可选向量。
scale	比例的可选固定值。如果设置为 <=0，则估计比例。
control	控制值列表，采用 survreg.control 生成的格式。默认值为survreg.control()
model , x , y	控制返回内容的标志。如果其中任何一个为真，则模型框架、模型矩阵和/或响应时间向量将作为最终结果的组成部分返回，并具有与标志参数相同的名称。
score	返回分数向量。 (成功收敛后，预计该值为零。)
robust	使用鲁棒夹心误差代替渐近公式。如果存在 cluster 参数，则默认为 TRUE。
cluster	用于识别受试者组的可选变量，用于计算稳健方差。与 model 变量一样，它是在 data 参数指向的数据集中搜索的。
...	其他参数将传递给 survreg.control 。

细节

所有分布都被纳入基于 Kalbfleisch 和 Prentice 第 2.2 章的位置尺度框架中。所得分布的参数化有时(例如高斯)与统计教科书中常见的形式相同，但有时(例如威布尔)则不然。详细公式请参见书本。

使用权重时，请注意复制权重和采样权重之间的差异。在前者中，权重 '2' 意味着有两个相同的观测值，它们已合并为单行数据。对于抽样权重，有一个单一的观察值，权重用于实现某些总体的平衡。要获得复制权重的适当方差，请使用默认方差，对于采样权重，请使用稳健方差。复制权重曾经很常见(当计算机内存小得多时)，但现在很少见。

值

返回类survreg 的对象。

例子

# Fit an exponential model: the two fits are the same
survreg(Surv(futime, fustat) ~ ecog.ps + rx, ovarian, dist='weibull',
                                    scale=1)
survreg(Surv(futime, fustat) ~ ecog.ps + rx, ovarian,
        dist="exponential")

#
# A model with different baseline survival shapes for two groups, i.e.,
#   two different scale parameters
survreg(Surv(time, status) ~ ph.ecog + age + strata(sex), lung)

# There are multiple ways to parameterize a Weibull distribution. The survreg 
# function embeds it in a general location-scale family, which is a 
# different parameterization than the rweibull function, and often leads
# to confusion.
#   survreg's scale  =    1/(rweibull shape)
#   survreg's intercept = log(rweibull scale)
#   For the log-likelihood all parameterizations lead to the same value.
y <- rweibull(1000, shape=2, scale=5)
survreg(Surv(y)~1, dist="weibull")

# Economists fit a model called `tobit regression', which is a standard
# linear regression with Gaussian errors, and left censored data.
tobinfit <- survreg(Surv(durable, durable>0, type='left') ~ age + quant,
	            data=tobin, dist='gaussian')

参考

Kalbfleisch, J. D. and Prentice, R. L., The statistical analysis of failure time data, Wiley, 2002.

也可以看看

survreg.object , survreg.distributions , pspline , frailty , ridge